MétaCan
Menu
Retour à la cohorte
Enregistrement W3175247096

Internet, Social Media, and Settlement: A Study on Bangladeshi Immigrants in Canada / Internet, médias sociaux, et établissement : une étude des immigrants bangladais au Canada

2021· article· fr· W3175247096 sur OpenAlexaboutno aff
Nafiz Zaman Shuva

Notice bibliographique

RevueScholarship@Western (Western University) · 2021
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationSettlement (finance)The InternetSocial mediaPolitical scienceGeographySociologyArchaeologyWorld Wide WebComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study describes Internet and social media usage among Bangladeshi immigrants in Ontario, Canada. Using a mixed-method approach, the study conducted semi-structured interviews with 60 Bangladeshi immigrants in Ontario and gathered 205 completed survey responses. The findings show that recent Bangladeshi immigrants in Canada significantly depend on the Internet and social media tools in preand post-arrival contexts. Specifically, the findings indicate that the use of ethnic community social media forums among the Bangladeshi community are used for help with various aspects of their settlement into Canadian society, including learning about life in Canada, accommodation, and employment. The findings also reveal the important role that social media networking tools like LinkedIn play in recent newcomers’ employment-related decision making and settlement in Canada. The author calls for further studies on immigrants’ use of the Internet and social media—in particular, for studies on ethnic community social media forums and their role in newcomers’ settlement. The author also urges countries welcoming immigrants across the globe such as Australia, Canada, New Zealand, the United States, and the United Kingdom to develop timely, need-based, online services for skilled immigrants and their dependents in order to meet the diverse needs of highly skilled immigrant populations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,183

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0170,003
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,089
Tête enseignante GPT0,319
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScholarship@Western (Western University)Même sujetMigration and Labor DynamicsTravaux en français237 207